strawberry_growth_detection

该数据集名为 Strawberry Growth Detection，用于检测草莓生长阶段。数据集包含1477张图像，共3997个边界框标注，覆盖7个类别：flower（花）、green（绿）、overripe（过熟）、red（红）、small g（小绿）、turning red（转红）、white（白）。除了边界框和类别标签外，还提供了关于草莓大小（直径、长度）和基于十进制的生长阶段的地面真值数据。该数据集适用于物体检测和图像分类任务，尤其适用于农业领域的计算机视觉研究。数据采用 CC-BY-4.0 许可证。The dataset is named Strawberry Growth Detection, used for detecting strawberry growth stages. It contains 1477 images with a total of 3997 bounding box annotations covering 7 categories: flower, green, overripe, red, small g, turning red, white. In addition to bounding boxes and class labels, it provides ground truth data on strawberry size (diameter, length) and decimal-based growth stages. The dataset is suitable for object detection and image classification tasks, especially for computer vision research in agriculture. It is licensed under CC-BY-4.0.

原始信息汇总

数据集概述：草莓生长阶段检测（Strawberry Growth Detection）

基本信息

• 数据集名称：Strawberry Growth Detection
• 许可证：CC-BY-4.0
• 任务类型：目标检测（Object Detection）、图像分类（Image Classification）
• 规模分类：1K < n < 10K

数据集内容

• 图像数量：1,477张
• 边界框标注数量：3,997个
• 类别数量：7类
• 数据划分：仅包含训练集（train），共1,477个样本
• 数据集总大小：约4.69 GB（4,688,924,431 字节）
• 下载大小：约6.75 GB（6,748,965,816 字节）

标注类别

数据集包含以下7个类别：

1. flower（花）
2. green（绿色）
3. overripe（过熟）
4. red（红色）
5. small g（小果）
6. turning red（转红）
7. white（白色）

数据特征

每个样本包含以下字段：

• image：图像数据
• source：数据来源（字符串类型）
• objects：对象标注信息，包含：
  • bbox：边界框坐标（float64列表）
  • categories：类别标签（上述7类之一）
  • diameter：草莓直径（字符串）
  • length：草莓长度（字符串）
  • decimal_stage：基于小数的生长阶段（字符串）

附加信息

• 数据集包含来自标记叶片的草莓尺寸真实数据，以及基于十进制的生长阶段信息。
• 该数据集作为AgML Python库的一部分，索引于 https://project-agml.github.io/
• 数据集已从原始格式重新格式化以符合HuggingFace标准。

引用信息

该数据集基于以下学术研究：

• 论文：Yang, Qi et al. (2024). "Predicting the growth trajectory and yield of greenhouse strawberries based on knowledge-guided computer vision." Computers and Electronics in Agriculture, 220, 108911.
• 原始数据：Yang, Q. & Jin, Z. (2024). Zenodo. DOI: https://doi.org/10.5281/zenodo.10957909

搜集汇总

数据集介绍

构建方式

本数据集源自一项针对温室草莓生长轨迹与产量预测的研究，原始数据经标准化处理以适配HuggingFace格式。数据采集自温室环境，通过图像标注工具对草莓果实进行精细的边界框标注，涵盖花朵、绿色、过熟、红色、小绿、转红及白色七个生长阶段类别。同时，数据集还包含与果实大小相关的真实数据，以及基于十进制的生长阶段记录，这些信息均与标记叶片关联，为多模态农业数据分析提供了基础。

特点

该数据集包含1,477幅图像，共计3,997个边界框标注，类别覆盖草莓完整的生长阶段，具有高度的细粒度与领域专业性。其独特之处在于不仅提供视觉标注，还融入了果实直径、长度等量化尺寸信息，以及十进制的生长阶段编码，这为结合计算机视觉与农业知识进行生长动态建模提供了宝贵资源。数据规模适中，适合开发与验证精准农业中的目标检测与图像分类算法。

使用方法

数据集主要面向目标检测与图像分类任务，可直接用于训练和评估草莓生长阶段识别模型。用户可通过AgML Python库或HuggingFace平台访问，采用标准的数据加载器进行图像与标注的读取。建议在训练时利用其丰富的尺寸和阶段信息，设计多任务学习框架，以提升对果实生长状态的综合预测能力。数据分割已提供训练集，便于直接进行模型训练与验证，并支持进一步扩展至产量预测等下游应用。

背景与挑战

背景概述

草莓生长检测数据集由Yang Qi、Liu Licheng、Zhou Junxiong、Rogers Mary和Jin Zhenong于2024年创建，其背景源于农业精准管理和计算机视觉交叉领域对作物生长状态自动监测的迫切需求。该研究团队旨在通过知识引导的计算机视觉方法，预测温室草莓的生长轨迹与产量，以解决传统人工观测效率低下、主观性强的问题。数据集包含1,477张图像和3,997个边界框标注，覆盖花朵、绿色、过熟、红色、小果、转红和白色七类生长阶段，并附有尺寸和十进制生长阶段等关键信息，为细粒度的生长监测提供了宝贵资源。该数据集发表于《Computers and Electronics in Agriculture》期刊，并被整合至AgML平台，对智慧农业和植物表型分析领域产生了显著影响，可作为算法基准和跨学科研究的重要支撑。

当前挑战

该数据集面临的核心挑战源于草莓生长监测的领域特性与数据构建过程的复杂性。在领域问题层面，草莓果实与花朵在形态、颜色和尺度上高度相似，且不同生长阶段间存在连续过渡，导致细粒度检测与分类难度大；温室环境中光照变化、叶片遮挡及果实重叠进一步加剧了视觉歧义。在构建过程中，注释者需依据专业农学知识精确划分七个类别，并同步测量果实直径、长度及十进制阶段，这要求高度一致的标注规范，且耗时耗力，易引入主观误差。此外，数据集中类别分布不均（如小果样本较少）、图像背景复杂，以及如何将视觉特征与生长知识相结合以实现产量预测，均为该数据集推动的研究提出了亟待解决的挑战。

常用场景

经典使用场景

在设施农业与计算机视觉交叉领域，草莓生长阶段检测数据集作为精细化农业管理的基石，被广泛应用于目标检测与图像分类任务。研究者借助其涵盖花朵、青果、白果、转红果、红果、过熟果及小绿果七个类别的3,997个边界框标注，训练和评估深度学习模型，实现对草莓生长进程的实时识别与定位。该数据集还提供果实直径、长度及十进制生长阶段的辅助信息，使得模型不仅能判别类别，还能估计果实尺寸与发育程度，为果实生长轨迹预测和产量估算提供了多维度的数据支撑，成为温室智能监控系统中视觉感知模块的标准测试平台。

实际应用

在实际应用中，该数据集直接服务于智能温室和果园的自动化管理系统。基于其训练的视觉模型可嵌入移动机器人或固定摄像头，用于每日巡检，自动统计各生长阶段的果实数量、测量尺寸，并预测收获期与产量。这一能力使种植者能够及时调整灌溉、施肥和采收策略，减少人工成本，提升草莓品质与经济效益。此外，数据集在农业物联网平台（如AgML）上的集成，便于开发者快速部署和基准测试，推动了从实验室研究到田间应用的转化，为大规模精准农业提供了可靠的数据基础。

衍生相关工作

自发布以来，该数据集催生了多项相关研究工作。原始文献（Yang et al., 2024）提出了知识引导的计算机视觉方法，用于预测温室草莓的生长轨迹和产量，验证了数据集的科研价值。后续工作包括基于该数据集的轻量化目标检测网络改进，用于边缘设备上的实时监测；以及将生长阶段信息与时间序列模型结合，实现果实成熟度的动态预测。此外，该数据集被整合进AgML农业机器学习库，促进了跨作物数据集的标准格式统一，支撑了多任务学习研究，如同时进行检测、尺寸估计和生长阶段分类。这些衍生工作共同推动了农业视觉领域的技术进步，展示了该数据集的持久影响力。